يادگيري ماشين و علوم شهروندي؛ فرصتها و چالش‌هاي تعامل انسان و رايانه

هدف: در عصر كلان‌داده، دانشمندان با كار طاقت‌فرساي تحليل انبوهي از داده‌ها مواجهند و استفاده از تكنيك‌هاي يادگيري ماشين يكي از راه‌حل‌هاي احتمالي براي حل اين معضل است. علوم شهروندي از حوزه‌هايي است كه هوش انساني و مصنوعي را مي‌توان براي تسهيل در اين امور به طرق مختلف با هم تركيب كرد. اين مقاله، با توجه به ابهامات موجود در عملكرد ماشين و مديريت داده‌هاي توليدشده توسط كاربر، به توضيح چگونگي سازگاري يادگيري ماشين با ايده‌ي شهروندي فعال و شرايط لازم براي پيشرفت در علوم شهروندي و فراتر از آن مي‌پردازد. روش: اين پژوهش به روش مروري و بر اساس مطالعه جامع و نظام‌مند متون مرتبط با يادگيري ماشين، علوم شهروندي و تعامل انسان و رايانه انجام شده است. يافته‌ها: بسياري از مشكلات تحقيقاتي از نظر محاسباتي لاينحل به نظر مي‌رسند و به مهارت‌هاي شناختي انسان نياز دارند. لذا در نتيجه‌ي فعاليت‌هاي طبقه‌بندي‌اي كه اكثراً در پروژه‌هاي علوم شهروندي با مقياس بزرگ انجام مي‌شود، علاوه بر مشاركت‌كننده كه احتمالاً مطالبي درباره‌ي علم مي‌آموزد، ماشين نيز با آموختن مطالبي درباره‌ي فعاليت‌هاي انسان ابتدا از آن تقليد مي‌كند و به مرور ميزان يادگيري آن افزايش مي‌يابد. اما در عين حال گسترش استفاده‌ از هوش مصنوعي و به‌ويژه يادگيري ماشين بحث‌هاي زيادي درباره‌ي اشكال مختلف ابهامات و سوگيري‌هاي ناشي از آن‌ها به دنبال داشته است كه در پروژه‌هاي مرتبط نياز به توجه جدي دارد. نتيجه‌گيري: استفاده از تكنيك‌هاي يادگيري ماشين مزاياي زيادي دارد، كه از آن جمله مي‌توان به كاهش زمان طبقه‌بندي و ارزيابي كارشناسانه‌ي تصميم‌گيري در مجموعه‌هاي بزرگي از داده اشاره كرد. با اين ‌حال، الگوريتم‌ها‌ غالباً به منزله‌ي جعبه‌‌ي سياهي هستند كه سوگيري‌هاي داده در نگاه اول در آن‌ها قابل مشاهده نيست و توجه به اين امر مي‌تواند از مخاطرات جدي در روند استفاده ازين تكنيك‌ها بكاهد.